سنجش از دور
حامد عاشوری
چکیده
پیشینه و اهداف: بافت تصویر، بهعنوان دادهای ارزشمند توسط ذهن انسان برای تفسیر تصویر استفاده میشود. کمیسازی بافت تصویر روشی کاربردی برای استخراج روابط مکانی بین پیکسلهای تصویر است. از ویژگیهای بافتی تولید شده از تصویر در کنار ویژگیهای طیفی تصویر میتوان برای بهبود کیفیت طبقهبندی استفاده کرد. با توجه به تنوع روشهای کمیسازی ...
بیشتر
پیشینه و اهداف: بافت تصویر، بهعنوان دادهای ارزشمند توسط ذهن انسان برای تفسیر تصویر استفاده میشود. کمیسازی بافت تصویر روشی کاربردی برای استخراج روابط مکانی بین پیکسلهای تصویر است. از ویژگیهای بافتی تولید شده از تصویر در کنار ویژگیهای طیفی تصویر میتوان برای بهبود کیفیت طبقهبندی استفاده کرد. با توجه به تنوع روشهای کمیسازی بافت تصویر، انتخاب ویژگیهای بهینه برای هر تصویر بهصورت مستقیم روی دقت استخراج اطلاعات موثر است. الگوریتم ژنتیک بهعنوان یکی از روشهای بهینهسازی در کاربردهای مختلف استفاده میشود.روشها: در این مقاله دو روش انتخاب ویژگی بر پایه الگوریتم ژنتیک برای انتخاب ویژگیهای بافتی تصویر ارائه شده است. در روش نخست، الگوریتم ژنتیک برای انتخاب بهترین ترکیب با طول متغییر از ویژگیهای بافتی در دو حالت ورودی از کل فضای ویژگی و ورودی از فضای پالایش شده، تعریف شده است. در روش دوم الگورتیم ژنتیک برای انتخاب عداد متغییر ویژگیهای طیفی در دو حالت انتخاب از بین کل ویژگیها و انتخاب از بین ویژگیهای گزینش شده بهکار رفته شده است.یافتهها: نتایج، نشان میدهد که ترکیب بهینه الزاما شامل ویژگیهایی که به تنهایی توانمندی بهتری در بهبود دقت طبقهبندی دارند، نمیشود. الگوریتمهای پیشنهادی منجر به دقت بهتر، تعداد ویژگی منتخب کمتر و زمان محاسباتی کمتری نسبت به الگوریتم ساده ژنتیک است. از روشهای پیشنهادی بسته به ابعاد تصویر، تعداد ویژگیهای بافتی تولید شده و تعداد دادههای آموزشی و چک میتوان استفاده کرد. روش دوم زمان آمادهسازی اولیه بیشتری داشته و بهدلیل افزایش تصاعدی زمان محاسباتی برای تصاویری با تعداد باند طیفی و تعداد پیکسلهای کنترل و چک و تعداد ویژگی بافتی کمتر قابل بهکارگیری است. روش نخست برای تصاویری با ابعاد بزرگ و تعداد دادههای آموزشی و چک بیشتر قابل استفاده است ولی برای رسیدن به دقت بهینه، تعداد ویژگی منتخب بیشتری را ارائه میدهد.نتیجهگیری: اجرای روشهای پیشنهادی بر روی سه مجموعه داده ورودی، منجر به افزایش دقت میانگین طبقهبندی بین 7/7 تا 48/50 درصد نسبت به طبقهبندی طیفی و حفظ دقت تا افزایش 6/5 درصدی نسبت به ژنتیک ساده ولی با تعداد نصف تا یک سوم ویژگیهای منتخب و کاهش 50 درصدی زمان بهینهسازی گردید.
سامانه اطلاعات مکانی
سعید بهزادی؛ مصطفی آدرسی؛ مسعود شیرازیان
چکیده
پیشینه و اهداف: امروزه، مدیریت شهری به عنوان یکی از مهمترین مسائل تصمیمگیران و مدیران در حوزههای شهری است. مسئلهی یافتن کوتاهترین مسیر، به عنوان یکی از مسائل مهم در حوزهی مدیریت شهری به منظور کاهش زمان سفر بین دو نقطهی حیاتی، همواره مورد توجه بسیاری از حوزههای تحقیقاتی از قبیل مدیریت شهری، حمل و نقل، ارتباطات و غیره ...
بیشتر
پیشینه و اهداف: امروزه، مدیریت شهری به عنوان یکی از مهمترین مسائل تصمیمگیران و مدیران در حوزههای شهری است. مسئلهی یافتن کوتاهترین مسیر، به عنوان یکی از مسائل مهم در حوزهی مدیریت شهری به منظور کاهش زمان سفر بین دو نقطهی حیاتی، همواره مورد توجه بسیاری از حوزههای تحقیقاتی از قبیل مدیریت شهری، حمل و نقل، ارتباطات و غیره بوده است. در طول دهههای گذشته، الگوریتم ژنتیک در حل مسائل پیچیدهی بهینهسازی چند هدفه، به خوبی عمل کرده است، اما بسیاری از الگوریتمهای ژنتیک، تنها برای یافتن مسیر بهینه در شبکههای محلی، مناسب هستند. در این شبکهها، در صورتی که تعداد نقاط افزایش یابد، الگوریتمهای ارائه شده کارآیی خود را نخواهند داشت. هدف از این تحقیق، یافتن مسیری در شبکهی خیابانهای شهر تهران میباشد که کمترین زمان، مسافت و هزینه را داشته باشد. بنابراین، یک روش جدید برای حل مسئلهی مسیریابی بر مبنای الگوریتم ژنتیک، با این فرض که تمام خطوط موجود در شبکه دارای وزنهای مثبت میباشند، پیشنهاد میگردد.روشها: ویژگی الگوریتم پیشنهادی، متغیر بودن عملگرهای الگوریتم ژنتیک میباشد که متناسب با ساختار شبکه، تعریف میگردد. بر همین اساس، عملگر جهش در الگوریتم ژنتیک بر اساس فضای مورد مطالعه و فاصلهی بین نقاط شروع و پایان، تعریف میگردد. برای حل مسئله، از کدگذاری اعداد صحیح استفاده میشود و لذا، نقاط موجود در این گراف با استفاده از اعداد صحیح، نامگذاری شده و هر فرد در جمعیت به عنوان یک جواب برای حل مسئله، در نظر گرفته میشود. اندازهی جمعیت، بسته به تعداد گرههای موجود در گراف و طول هرکروموزوم دارد. طول رشتههای انتخاب شده، حداکثر برابر با تعداد گرههای موجود در شبکه، در نظر گرفته میشود، زیرا این احتمال وجود دارد که بهترین مسیر، مسیری باشد که از تمام گرهها عبور میکند. در پایان، این الگوریتم بر روی شبکهی مورد مطالعه که یک گراف مسطح میباشد، پیادهسازی میشود. دقت روش پیشنهادی نسبت به روش متداول، در سه جفت نقطه، مورد ارزیابی قرار گرفته است.یافتهها: با توجه به اینکه هدف از حل مسئله، یافتن مسیری بود که کمترین وزن را داشته باشد، در الگوریتم پیشنهادی یک عملگر ترکیب و سه عملگر جهش، ارائه گردید. این، در حالی است که در الگوریتمهای ژنتیک رایج، تنها از یک عملگر جهش و ترکیب، استفاده شده است. در این الگوریتم، نحوهی استفاده از عملگرهای جهش، به ساختار شبکه و فاصلهی بین نقطهی شروع و پایان، بستگی دارد. استفاده از الگوریتم ژنتیک پیشنهادی، نسبت به الگوریتم ژنتیک رایج، با 16% بهبود عملکرد همراه بوده است که نشان میدهد الگوریتم ژنتیک پیشنهادی، سریعتر به جواب مسئله میرسد. همانطور که در شکل 4 نشان داده شده است بهترین مسیر، مسیری است که مقدار تابع برازندگی آن به یک، نزدیکتر باشد. نتایج حاصل از مقایسهی روش پیشنهادی با روشهای متداول، 16 درصد سرعت بالاتر را نشان میدهد.نتیجهگیری: با توجه به اینکه فرض اولیهی این تحقیق، مثبت بودن وزن تمام خطوط موجود در شبکه بوده است، عملگر جهش در الگوریتم ژنتیک، بر اساس فضای مورد مطالعه و فاصلهی بین نقاط شروع و پایان، تعریف شد. نتایج نشان داد که در صورت وجود فضای جستجوی کوچک، نقاط کمتری مورد نیاز است و به منظور تولید جمعیت اولیه، گرههایی که در کنار هم قرار دارند و به هم نزدیکتر هستند، باید انتخاب شوند. بدین ترتیب، مقدار تابع برازندگی افراد موجود در جمعیت اولیه، افزایش یافته و جوابها به واقعیت، نزدیکتر میشود. برای تحقیقات آتی، پیشنهاد میگردد که به منظور تولید جمعیت اولیه، نقاط بین نقطهی شروع و پایان انتخاب گردد و همچنین، نقاط انتخاب شده در نزدیکی خط واصل بین نقطهی شروع و پایان باشد، زیرا هنگامی که وزن یالهای شبکه، فاصلهی بین نقاط باشد، بهترین مسیر در فضای بین نقطهی شروع و پایان قرار دارد. همچنین، پیشنهاد میشود که عملکرد شبکه با چندین عملگر ترکیب نیز، مورد ارزیابی قرار گیرد.
سامانه اطلاعات مکانی
حسین آقامحمدی
چکیده
پیشینه و اهداف: زلزلهه ای شدید، موجب بروز صدمات جانی و مالی زیادی میشود که با امدادرسانی سریع و به موقع، می توان از بروز بسیاری حوادث پس از سانحه، جلوگیری کرد. یکی از مسائل مهم در این زمینه، تخصیص بهینهی مصدومان به مراکز درمانی است و این مسئله، دارای ماهیتی پویا و پیچیده بوده و با روش های ساده، قابل حل نمیباشد. بهکارگیری ...
بیشتر
پیشینه و اهداف: زلزلهه ای شدید، موجب بروز صدمات جانی و مالی زیادی میشود که با امدادرسانی سریع و به موقع، می توان از بروز بسیاری حوادث پس از سانحه، جلوگیری کرد. یکی از مسائل مهم در این زمینه، تخصیص بهینهی مصدومان به مراکز درمانی است و این مسئله، دارای ماهیتی پویا و پیچیده بوده و با روش های ساده، قابل حل نمیباشد. بهکارگیری سامانهی اطلاعات مکانی (GIS) در کنار روشهای بهینه سازی و شبیه سازی، این امکان را فراهم میکند که بتوان یک روش مناسب برای تخصیص بهینهی مصدومان زلزله، به مراکز درمانی یافت. مسئلهی تخصیص مصدومان زلزله به مراکز درمانی، در دستهی مسائل تخصیص ظرفیت دار قرار دارد، که در این نوع مسائل با افزایش تعداد نقاط تقاضا و مراکز خدماتی، پیچیدگی و حجم محاسبات مسئله، به صورت نمایی افزایش می یابد. بنابراین، در بسیاری از مواقع، استفاده از روش های جستجوی مستقیم و قطعی در حل این نوع مسائل، کارایی ندارد و باید از روش های ابتکاری مناسب برای حل بهینهی آنها، بهره برد. از سویی دیگر، به دلیل آنکه دادههای مکانی، در مسئلهی تخصیص مصدومان زلزله به مراکز درمانی، نقش مهمی دارند، بنابراین، می توان با یکپارچه نمودن و ترکیب سامانهی اطلاعات مکانی با روشهای بهینه سازی موجود در جهت حل بهتر و ساده تر آن، حرکت کرد.روشها: در این تحقیق، فرض بر این است که در صورت وقوع زلزله، تعدادی از جمعیت ساکن در برخی از بلوکهای ساختمانی، مصدوم شده و نیازمند کمک خواهند بود که محلهای قرارگیری این جمعیت مصدوم، همان نقاط تقاضا است. بدین ترتیب، باید این مصدومان به مراکز درمانی فرستاده شوند که هر یک از آنها، توانایی ارائهی خدمات به تعداد مشخصی از این مصدومان را، دارا هستند. پارامتر بعدی، تعداد مراکز درمانی و ظرفیت آنها برای ارائهی خدمات درمانی میباشد که در این تحقیق، ظرفیت مراکز درمانی کمتر از تعداد مصدومان، فرض شده است. در نهایت، با بهینه سازی تابع هدف، نسبتی از مصدومان در نقاط مختلف که باید توسط مراکز درمانی موجود و یا جدید، مورد پذیرش قرار گیرند، با استفاده از یک الگوریتم ژنتیک تو در تو، محاسبه میشود. خروجی الگوریتم ژنتیک که مکان مراکز جدید را مشخص میکند، با اطلاعات موجود که همان مکان مراکز موجود است، ترکیب شده و سپس به عنوان پارامترهای ورودی الگوریتم جستجوی ممنوع هدایت شونده (SGTS)، برای تعیین بهترین تخصیص بهکار میرود.یافتهها: جهت ارزیابی دقت الگوریتم ژنتیک و روش جستجوی ممنوع هدایت شونده، انحراف معیار، دقت و زمان پردازش، مورد ارزیابی قرار گرفته است که الگوریتم جستجوی ممنوع هدایت شونده در هر سه ارزیابی، عملکرد بهتری داشته است. نتایج، نشان می دهد که نسبت انحراف معیار روش پیشنهادی نسبت به الگوریتم ژنتیک 12/0 است و میانگین دقت روش جستجوی ممنوع هدایت شونده نسبت به الگوریتم ژنتیک، بهطور میانگین 18% بهبود داشته است. همچنین، روش SGTS 7% ،سریعتر محاسبات را انجام داده است.نتیجهگیری: با مقایسهی مدت زمان حل بهینهی مسئلهی تخصیص مصدومان زلزله به مراکز درمانی، میتوان نتیجه گرفت که روش جستجوی ممنوع هدایت شوندهی مکانی، در مدت زمان کمتری میتواند به همگرایی برسد. بنابراین، ایجاد لیست انتخابی با استفاده از ساختار ارائه شده بر اساس تحلیلهای مکانی میتواند در این زمینه، موثر باشد. روش جستجوی ممنوع هدایت شوندهی مکانی، دارای دقت بالاتری نسبت به روش ژنتیک و همچنین، نتایج بهدست آمده از روش جستجوی ممنوع هدایت شوندهی مکانی دارای استحکام بیشتری میباشد. در حل مسائل مکانیابی و تخصیص منابع، اگر هدف بهینهسازی توامان هر دو مورد مکانیابی و تخصیص باشد، الگوریتمهای ترکیبی برای حل بهینهی توامان، توصیه میشود. اگرچه این مطالعه، موفق به ارائهی روش ترکیبی برای حل بهینهی مسائل تخصیص ظرفیتدار شده است، اما مطالعه در زمینهی ترکیب روشهای فرا ابتکاری و مقایسهی نتایج آن با روش پیشنهادی، توصیه می گردد.